| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9-11页 |
| ·研究现状 | 第11-12页 |
| ·本文的主要工作 | 第12页 |
| ·本文的组织 | 第12-13页 |
| 第二章 基于神经网络敏感性的集成学习 | 第13-27页 |
| ·研究现状 | 第13-16页 |
| ·理论方面 | 第13页 |
| ·实现方面 | 第13-16页 |
| ·MLP模型和敏感性定义 | 第16-18页 |
| ·MLP模型和符号定义 | 第16-17页 |
| ·敏感性定义 | 第17-18页 |
| ·MLP的敏感性与个体多样性 | 第18-20页 |
| ·MLP敏感性解释 | 第18-19页 |
| ·个体多样性的测量尺度与方法 | 第19-20页 |
| ·实验对比 | 第20-26页 |
| ·实验数据 | 第20-22页 |
| ·实验方法 | 第22页 |
| ·实验结果 | 第22-26页 |
| ·小结 | 第26-27页 |
| 第三章 基于错误层次的多样性尺度 | 第27-42页 |
| ·研究现状 | 第27-33页 |
| ·分类与回归问题中的多样性分析 | 第27-28页 |
| ·分类问题中的多样性尺度 | 第28-33页 |
| ·基于错误层次的多样性尺度 | 第33-35页 |
| ·基于概率的理论分析 | 第33-34页 |
| ·错误层次的多样性尺度 | 第34-35页 |
| ·实验对比 | 第35-40页 |
| ·实验的数据集 | 第36页 |
| ·实验方法 | 第36-37页 |
| ·实验结果 | 第37-40页 |
| ·小结 | 第40-42页 |
| 第四章 总结与展望 | 第42-43页 |
| ·本文的总结 | 第42页 |
| ·今后工作的展望 | 第42-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 附录 A | 第47-68页 |
| A.1 第2.1.2节中的adaboost算法实现 | 第47-52页 |
| A.2 第2.1.2节中的bagging算法实现 | 第52-57页 |
| A.3 第2.3.2节中四种测量性方法 | 第57-61页 |
| A.4 第3.1.2节中十种多样性尺度和错误层次的多样性尺度 | 第61-68页 |